Ang katumpakan ng data ay isa sa mga pinakamahalagang pagsasaalang-alang kapag nagsasagawa ng pang-agham o statistical analysis. Karaniwang nalilito sa pantay na mahalagang konsepto ng kawastuhan, ang pagkakatulad ng dart board na articulated ng University of Hawaii ay nagpapakita ng kaugnayan: ang mga tumpak na punto ng data ay karaniwang out sa pantay na inaasahang mga resulta, habang ang mga tumpak na data ay tumutugma sa mga kumpol nang magkasama, kahit na hindi sila malapit sa inaasahang resulta. Ayon sa Dartmouth College, ang katumpakan ay isang sukatan ng reproducibility ng isang hanay ng mga resulta. Ang katumpakan sa mga hanay ng data ay isang mahalagang konsepto kahit na sa mga kaugnay na pagsisikap ng teknolohiya, tulad ng ipinakita ni Kenneth E. Foote at Donald J. Huebner sa University of Texas-Austin sa pagtatasa ng Geographic Information Systems. Ang pagkalkula ng katumpakan ay isang medyo simple bagaman medyo subjective exercise.
Mga bagay na kakailanganin mo
-
Graphical na representasyon ng isang set ng data
-
Impormasyon tungkol sa mga may-katuturang yunit na ipinahayag sa data
-
Minimum na pinapayagang margin ng error sa eksperimento
Bumuo ng isang visual na representasyon ng mga punto ng data tulad ng scatter plot. Ang isang napaka-simpleng visual na representasyon ay nagsasangkot ng paglalagay ng kaukulang depende at malayang mga halaga ng variable para sa bawat punto ng data sa isang Cartesian coordinate system.
Tayahin ang mga pangkat ng mga punto ng data at hanapin ang mga pattern. Ang tumpak na data ay nagpapakita sa mga kumpol ng mga punto ng data, na nagpapahiwatig na ang magkakatulad na mga variable ng pag-ugnay ay may kaugnayan sa mga katulad na variable ng output.
Ilapat ang impormasyon sa mga yunit ng pagsukat na ginagamit upang kolektahin ang data upang matukoy ang average na espasyo sa pagitan ng mga punto ng data. Ang isang simpleng pagsukat ng ruler ay maaaring gamitin upang matukoy ang distansya sa pagitan ng mga punto sa graph, pagkatapos ay i-convert gamit ang isang di-makatwirang, maginhawang sukatan na tumutugma sa mga yunit ng mga sukat na ginagamit upang bumuo ng mga punto ng data. Ito ay magpapahintulot sa mga punto ng datos na 'katumpakan na may kaugnayan sa isa't isa upang makalkula sa pamamagitan ng pagkuha ng average ng mga distansya.
Ihambing ang pinakamaliit na margin ng error na pinapayagan sa eksperimento at ang average na katumpakan ng mga punto ng data upang matukoy ang kamag-anak pangkalahatang katumpakan ng eksperimento. Ang iba't ibang mga uri ng mga eksperimento ay magkakaroon ng mas malaki o mas kaunting pagbibigayan ng pagkakamali: isang proyekto sa engineering ay malamang na nangangailangan ng katumpakan sa napakaliit na yunit, habang ang isang panlipunang eksperimento ay malamang na magparaya ng higit na pagkakaiba.
Mga Tip
-
Subukan upang masuri ang malamang na yunit ng sukat bago ang paglikha ng graphic na representasyon ng mga punto ng data. Ito ay gawing mas madali upang masuri ang biswal na paningin upang matukoy ang anumang mga lugar na partikular na kapansin-pansing katumpakan o hindi katanggap-tanggap.
Ang malinaw na mga pattern ng data na nagaganap sa isang visual na representasyon ay lubos na nagpapahiwatig ng katumpakan at ang repeatability ng isang eksperimento. Ang patuloy na pag-eeksperimento ay dapat magdagdag ng karagdagang mga punto ng data sa mga tumpak na kumpol na malapit sa mga umiiral na.
Babala
Huwag kalituhan ang kawastuhan nang may katumpakan. Kung ang layunin ng isang eksperimento ay upang makamit ang isang average na halaga ng output ng bigyan para sa lahat ng mga input, at ito ay nakamit sa pamamagitan ng mga average na halaga mula sa -12 hanggang 14, ito ay malamang na hindi isang tumpak na pagsukat, bagaman maaaring ito ay tumpak. Ang isang tumpak na pagsukat ay maaaring magresulta sa lahat ng mga puntos ng data na nagtitipon sa paligid ng 17, na kung saan ay hindi tumpak, ngunit tumpak at samakatuwid ay predictable.
